欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019110709159
申请人: 青岛大学
专利类型:发明专利
专利状态:未下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于神经网络的自适应有限时间命令滤波反步控制方法,其特征在于,包括如下步骤:定义柔性关节机械臂的动力学模型如下:其中, 分别表示关节位置、速度和角速度向量;

H(q)∈Rn×n为对称正定惯性矩阵; 为科里奥利向心矩阵;

G(q)∈Rn为重力向量;F∈Rn×n为阻尼摩擦系数的对角正定矩阵;

分别表示电机经过减速器后的关节位置、速度和角速度向量;

Km∈Rn×n、J∈Rn×n和B∈Rn×n分别表示关节刚度矩阵、电机惯性矩阵和阻尼矩阵;

u∈Rn为实际电机输出力矩向量;

n n

sat(u)∈R为经过输入饱和后的电机输出力矩向量;y∈R为输出向量;

输入饱和sat(u)=[sat(u1),…,sat(un)]T,其中,sat(u1)表示向量sat(u)的第1个分量,sat(un)表示向量sat(u)的第n个分量,第p个分量sat(up)定义为:其中,up是u的第p个分量,up的极限值为upm,upm为大于0的正常数;

引入状态变量s1=q, s3=qm, 将方程(1)改写为:进一步定义如下变量:

则将方程式(3)进一步改写为:下面构造考虑输入饱和的不确定柔性关节机械臂系统的基于神经网络的自适应有限时间命令滤波反步控制方法,其具体过程如下:在反步控制方法的第一步、第二步和第三步中都将采用下面的有限时间命令滤波器:其中,i=1,2,3,z=1,2,...,n;

均表示有限时间命令滤波器的状态;hi,z,1表示 的导数;

fi,z,1,fi,z,2均表示有限时间命令滤波器的参数;

χi为有限时间虚拟控制信号,χi,z表示虚拟控制信号χi的第z个分量,sign表示符号函数;

在反步控制方法设计过程中,将有限时间跟踪误差信号δ1、δ2、δ3和δ4定义为:其中,sd为期望的位置向量,sd和sd的一阶导数 均为光滑、已知和有界的信号;

对于i=1,2,3, 为有限时间命令滤波器的输出;

为反步控制方法第i步中第一个有限时间命令滤波器的状态; 为反步控制方法第i步中第n个有限时间命令滤波器的状态;

应用有限时间命令滤波器的滤波误差满足:其中, 都是正常数;

T1,T2,T3分别表示第一步反步、第二步反步和第三步反步所用命令滤波器的收敛时间;

为消除命令滤波器产生的滤波误差ri+1-χi,构造以下有限时间误差补偿机制:其中,ηj表示误差补偿向量,ηj(0)表示ηj的初始值,ηj(0)=0,j=1,2,3,4;

ηj,1,ηj,2,...,ηj,n表示误差补偿向量ηj的n个分量;

kj,lj表示比例增益,kj,lj均为正常数且满足lj,z<2kj,z;

其中,lj,z表示比例增益lj的第z个分量,kj,z表示比例增益kj的第z个分量;

为了补偿柔性关节机械臂系统中的输入饱和,定义如下动态辅助系统:其中,λ为动态辅助函数向量;

有限时间虚拟控制信号构造如下:其中,ej,z为正常数,j=1,2,3,4,z=1,2,...,n;

γ为正常数且满足0<γ<1,g为正常数, 为通过自适应更新律得到的估计变量;

S2,1,S2,2,...,S2,n以及S4,1,S4,2,...,S4,n均为神经网络逼近的径向基函数向量;

θj,1,θj,2,...,θj,n表示θj的分量,θj定义为:选取以下Lyapunov函数来证明误差补偿机制的稳定性:在有限时间t>T=max{T1 T2 T3}内,公式(13)写为:k0=min(2k1-1,2k2-1,2k3-1,k4), ψ为正常数;

则公式(14)表示为:

或者:

其中,0<v<1;

由公式(15)得知,如果 那么在有限时间内, 将衰减并驱动ηj进入区域由公式(16)得知,如果 那么在有限时间内,将衰减并驱动ηj进入区域因此, 其中:

下面选择有限时间虚拟控制信号χi、有限时间误差补偿机制ηj和自适应更新律通过以下四个步骤证明闭环系统的稳定性,其具体过程如下:步骤1.选取Lyapunov函数:对V1求导得:

将χ1, 代入公式(21)得:步骤2.选取Lyapunov函数:对V2求导得:

由于函数X2=[X2,1,…,X2,n]T含有不确定性,因此,利用神经网络逼近技术对函数X2进行逼近,则X2,z重写为:其中,W2,z为理想权矩阵,S2,z为基函数向量;

为近似误差且满足 为常数;根据杨不等式得到:其中,||W2,z||表示W2,z的范数;将χ2, 和公式(26)代入公式(24)表示为:步骤3.选取Lyapunov函数:对公式(28)求导得:

将χ3, 代入公式(29)表示为:步骤4.选取Lyapunov函数:公式(31)能够写为:

由于函数X4=[X4,1,…,X4,n]T含有不确定性,因此,利用神经网络逼近技术对函数X4进行逼近,则X4,z重写为:式中,W4,z为理想权矩阵,S4,z为基函数向量;

为近似误差且满足 为常数;根据杨不等式得到:其中,||W4,z||表示W4,z的范数;将χ4, 和公式(34)代入公式(32)得:根据杨不等式得到:

将公式(36)代入公式(35)得:

2 2

定义μ2=max{||W2,z||},μ4=max{||W4,z||};

则对μ2,μ4估计得到的估计值 能够由如下自适应更新律得到:其中,π2>0,π4>0和ρ2>0,ρ4>0为常数;

定义

考虑Lyapunov方程:对 求导可知:

根据杨不等式可知:

其中, 将公式(42)代入公式(41)得:其中,

如果 则有

如果 则有

如果 则有

如果 则有

进而得到:

其中,a=min(2kj-lj,2β2,2β4),存在一个常数0<v<1,使得公式(44)能够表示为:或者

由公式(45)得知,如果 则有则 在有限时间内将θj, 驱动到如下区域:到达公式(47)中区域所需的时间Tr如下:其中, 表示 的1-[(γ+1)/2]次幂, 表示 的初始条件;

由公式(46)得知,如果 则有则 在有限时间内将θj, 驱动到如下区域:到达公式(49)中区域所需的时间Tr如下:由公式(47)和公式(49)得知,最终θj会收敛到区域:其中,到达公式(51)中区域的时间满足:最后得到:

其中, 意味着δ1在有限时间内收敛到原点的期望邻域内;

通过误差补偿信号、虚拟控制信号、动态辅助系统和自适应更新律,能够使关节位置在有限时间内跟踪期望的信号,并且闭环系统中的所有信号在有限时间内都是有界的。